在每个会计年度终结时，保险公司会有一定数量的未决赔案。发生未决赔款的原因是由于在保险事故的发生、报告和理赔之间存在“时间差”。未决赔款是保险公司的一项主要负债，为了保证其偿付能力，保险人在进行会计年度决算时，必须按照已经发生、应当支付但由于种种原因未能及时支付的未决赔款金额的总和，在当年的保费收入中提存足够的支付准备金。我们将这种为支付未决赔款而提存的准备金称为未决赔款准备金。而非寿险自身的性质、保险公司会计核算的要求、保险监管部门的监管要求以及其他信息使用者的信息需求都决定了非寿险公司必须合理计提责任准备金。　　 目前，未决赔款准备金的一般评估方法有：逐案估计法、平均值法、赔付率法、链梯估算法、平均赔付额法、准备金进展法以及B-F法。由于未决赔款准备会的估计包含众多的随机影响因素，近年来，在国际精算学界，很多研究人员利用现代概率统计的理论和方法，对此问题进行了深入的研究，从不同角度对未决赔款准备金的估计作了研究，方法上取得了许多进展。现有的未决赔款准备金估计方法，如逐案估计法、平均法和赔付率法大都只基于当前已获得的信息，而没有考虑索赔金额未来可能发生的变化，计算方法过于简单。而链梯法和平均赔付额法，虽然采用了一定的预测模型、估计参数的统计思想，但对隐藏在历史数据的信息深入挖掘不够，所以最终的预测结果的误差也较大。　　 本文将模糊数学原理引入线性回归分析中，将准备金的精算估计中用到的变量用三角模糊数()=(a，la，ra)表示，其中a是主值，la，ra分别是左展形和右展形。例如，一位精算师判断“在未来两年理赔成本通胀率大约是2％，其离差不大于1％”，这句话可记为(0.02，0.01，0.01)。那么其隶属函数μ()(x)类似于概率密度函数，其α-截集Aα类似于它的置信区间。将模糊数引入回归分析使我们可以处理两个地方的因变量和自变量的不精确关系。首先，我们可以对数据进行模糊分析，该分析与统计中的最小二乘回归分析类似，但是我们用模糊数代替随机变量，找出变量之间的不确定关系。与此同时，我们还可以分析不精确数据，通过置信区间或模糊数的方式对已被量化的数据进行处理。但是由于三角模糊数仅是模糊数形式中最为简单的一种，有些数据信息可能并未被这种模糊数捕捉到，因此该假设不免有些局限。　　 本文所介绍的方法中只用到很少的数据，与通常的统计法相比有不少优点。　　 如果假定在各事故发生年的理赔案件数Ni是确定的，那么这类方法是用于计算IBNER(Incurred But Not Enough Reserved)准备金，即为已发生已报告但尚未完全赔付而计提的准备金。而本文所介绍的方法通过三角模糊数假设各发生年的案件数是不完全已知的，所以此法计算出的准备金不仅包括IBNER准备金部分，还包括已发生未报告准备金。与其他随机估计法一样，模糊回归法得出的结果含有赔款准备金的期望值和方差。但是，其他随机方法更多地注重于准备金的期望值，而模糊回归法最后还得到准备金的波动范围，这对精算师来讲是很重要的，因为这对他们确定安全边际时有了更充分的事实依据。另外，本文所介绍的模糊回归法还有其他重要特点：用调整后的模糊回归法估计出的量为三角模糊数，这不仅可以更充分地利用已有信息，而且在算术上也易于处理；用非对称的三角模糊数，我们可以捕捉到关于主值数据的不对称分布。　　 这个方法的最后一步需要把赔款准备金的模糊估计换算成一个确定的值，以便列示于财务报表中。本文建议用模糊数的期望值，这罩就很容易且直观的将精算师的风险偏好引入估计中。　　 最后，本文运用中国人保某分公司近四年的车险理赔数据对该方法进行实证分析。